Redisson 3.46.0版本发布:可靠队列与分布式锁增强
项目简介
Redisson是一个基于Redis的Java驻留内存数据网格(In-Memory Data Grid)和分布式服务框架,它为Java开发者提供了丰富的分布式对象和服务,简化了在分布式环境下的编程工作。Redisson通过封装Redis的复杂操作,提供了易用的API,支持分布式锁、集合、队列、原子操作等多种功能。
版本亮点
新增可靠队列功能
3.46.0版本引入了全新的RReliableQueue(可靠队列)对象,这是一个重要的功能增强。可靠队列解决了传统Redis队列在极端情况下可能丢失消息的问题,通过持久化机制确保消息不会丢失。这一特性特别适合对消息可靠性要求高的场景,如金融交易、订单处理等关键业务。
值得注意的是,随着可靠队列的引入,RDelayedQueue和RBoundedBlockingQueue已被标记为废弃状态,开发者应考虑迁移到新的可靠队列实现。
分布式锁功能增强
新版本对分布式锁功能进行了多项改进:
-
新增
fairLockWaitTimeout配置项,允许设置公平锁的等待超时时间,这对于需要严格控制资源访问顺序的场景非常有用。 -
改进了看门狗机制(Watchdog),修复了可重入锁(reentry locks)下的续期问题,确保锁在长时间操作中不会意外释放。
-
新增
credentialsReapplyInterval配置,可以设置凭证重新应用的间隔时间,增强了连接安全性。
序列化支持扩展
Kryo5Codec现在支持JDK原子对象的序列化,这使得在分布式环境中使用Java原子类(如AtomicInteger、AtomicLong等)更加方便。
重要变更与改进
默认行为调整
useScriptCache配置项现在默认为true,这意味着Redisson会自动缓存Lua脚本以提高性能,减少网络开销。
性能与稳定性优化
-
修复了
RBatch批量操作中异常处理的问题,现在异常对象会正确包含所有被抑制的异常。 -
解决了
RKeys.unlinkByPattern()和RKeys.deleteByPattern()方法处理非ASCII字符键名的问题。 -
修复了
RenewalTask可能抛出IndexOutOfBoundsException的问题。 -
改进了
CommandAsyncService.syncedEval()方法对备用节点的更新逻辑。
特定框架集成改进
对于使用Micronaut框架的开发者,修复了异步缓存中expire-after-write和expire-after-access设置不生效的问题。
开发者注意事项
-
不兼容变更:Spring Cloud Stream Binder的队列实现已替换为
RReliableQueue,相关应用需要评估影响。 -
API变更:
RedisPubSubConnection的removeListener()和addListener()方法签名发生了变化,需要检查相关代码。 -
废弃提醒:
RDelayedQueue和RBoundedBlockingQueue已被标记为废弃,建议规划迁移到新的可靠队列实现。
总结
Redisson 3.46.0版本通过引入可靠队列、增强分布式锁功能以及多项稳定性改进,进一步提升了其在分布式系统开发中的实用性和可靠性。这些改进使得Redisson在处理高并发、分布式事务等场景时更加稳健,为开发者提供了更强大的工具来构建分布式应用。建议现有用户评估升级,特别是那些对消息可靠性要求高的应用场景。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00